Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Horas de Titorías: 1 Clase Expositiva: 10 Clase Interactiva: 15 Total: 26
Linguas de uso Castelán, Galego
Tipo: Materia Ordinaria Grao RD 1393/2007 - 822/2021
Departamentos: Electrónica e Computación
Áreas: Ciencia da Computación e Intelixencia Artificial
Centro Escola Técnica Superior de Enxeñaría
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable
A saúde é un dos ámbitos nos que tradicionalmente a intelixencia artificial ten unha maior aplicación debido á complexidade na toma de decisións, que se beneficia enormemente da capacidade das técnicas de IA para manexar problemas complexos.
O obxectivo desta materia é centrarse no estudo e aplicación das técnicas de aprendizaxe automática, visión por computador, tecnoloxías da linguaxe e outros coñecementos que o estudantado adquiriu nos cursos anteriores, para abordar problemas complexos en saúde. Tamén se abordará a complexidade e particularidades dos datos en saúde entre os que están a presencia de ruído, datos incompletos ou non dispor de coñecemento explícito.
Esta é unha materia de síntese e exposición dos distintos aspectos da aplicación da IA en Saúde tanto a través de proxectos de investigación financiados en convocatorias públicas como en proxectos con empresas e institucións, que poderá preparar ao estudantado para o seu futuro profesional tanto no ámbito da investigación como no ámbito da empresa ou administración pública.
Tema 1. Perspectiva xeral de IA aplicada á saúde. Ideación e Planificación de proxectos de investigación. Iniciativa e emprendemento. Aspectos específicos da lei de IA en saúde.
Tema 2. Espazos de datos en saúde.
Tema 3. Proxectos de I+D+i en saúde: presentación de proxectos de investigación en curso financiados pola Axencia Estatal de Investigación e o Instituto de Saúde Carlos III; preparación de proxectos dende a idea ata a memoria: retos, fortalezas e debilidades. Conformación de equipos multidisciplinarios. Obtención de datos. Reparto de tarefas. Retos na apertura de novas liñas de traballo.
Tema 4. Aplicacións de IA en saúde na práctica clínica xeral en Galicia.
Non haberá unha bibliografía como tal, senón que se traballará con artigos científicos e charlas de presentación de experiencias en proxectos de investigación e transferencia.
A materia contribúe ao desenvolvemento das habilidades xerais recollidas na memoria de título:
Habilidades xerais:
[CG3] Capacidade para deseñar e crear modelos e solucións de calidade baseadas na Intelixencia Artificial eficientes, robustas, transparentes e responsables.
[CG4] Capacidade para seleccionar e xustificar os métodos e técnicas adecuados para resolver un problema concreto, ou para desenvolver e propoñer novos métodos baseados na intelixencia artificial.
Resultados de aprendizaxe:
- Coñecer e saber tratar as características específicas dos datos no entorno da saúde.
- Coñecer a organización dun proxecto de IA en saúde
- Coñecer as principais técnicas de aprendizaxe automática aplicadas ao ámbito da saúde.
- Coñecer e saber aplicar as técnicas de visión por computadora na imaxe médica.
- Coñecer e saber aplicar os modelos de linguaxe en saúde.
A metodoloxía seguida utiliza o Campus Virtual da USC como plataforma básica. Na aula virtual da materia o estudantado disporá de toda a información e documentación da materia.
A materia impartiranse en 10 horas de sesións expositivas e 15 horas de sesións interactivas. Nestas sesións realizarase a presentación e discusión de distintos aspectos dos proxectos de investigación nos que participa o profesorado da materia.
As competencias do tipo CG3 e CG4 teñen contidos asociados na parte teórico-práctica da materia e avalíanse de forma explícita nas probas que se realizan ao longo do curso.
A competencia TR3 trabállase fundamentalmente no fomento da creatividade, o pensamento crítico, avaliando as diferentes posibilidades de resolución de problemas, tanto na teoría como na práctica, propoñendo problemas para desenvolver estas habilidades, con situacións cambiantes, e avalíanse na cualificación do traballo para entregar.
A competencia TR6 avalíase incluíndo os aspectos xurídicos, sociais, ambientais e económicos das solucións propostas aos diferentes exercicios, así como na explicación dos exercicios durante o desenvolvemento das clases expositivas.
O desenvolvemento da materia realizarase con 1h expositiva e 1,5h de interactivas semanais, aínda que pode haber pequenos cambios polo transcorrer da docencia, festivos, etc.
Na primeira semana de clase realizarase a presentación da materia por parte da coordinación da mesma.
A continuación, na segunda semana de clase, desenvolverase o Tema 1, un tema xeral de introdución á IA no ámbito da saúde e cómo se constrúe un proxecto de investigación, incluíndo aspectos de iniciativa e emprendemento. Tamén se falará de aspectos específicos da lei de IA en saúde e se realizará unha breve discusión sobre distintos aspectos da mesma.
Na terceira semana de clase desenvolverase o tema de Espazos de datos en saúde.
A partires da cuarta semana de clase realizaranse presentacións e discusións de distinta tipoloxía de proxectos con empresas, ou proxectos financiados na estratexia de saúde ou na de IA, así como aspectos a contemplar na conformación de equipas interdisciplinarias ou a apertura de novas liñas de investigación. Este tema desenvolverase durante 6 semanas.
Na última semana presentaranse aplicacións de IA en saúde que agora mesmo están en uso no sistema de saúde galego.
As sesións rematarán coa presentación de traballos feitos polos estudantes e discusión dos mesmos.
Ao ser unha materia de último semestre do 4º curso, e estar xa o estudantado realizando o seu TFG e prácticas externas, a avaliación consistirá no desenvolvemento dun traballo de síntese sobre os distintos aspectos da IA en saúde presentados nas distintas sesións da materia. Así, a preparación, presentación e discusión de dito traballo será un 80% da cualificación final, e haberá unha proba final que contará o 20% da cualificación final, tal e como se recolle na memoria do título. Dada a casuística da materia, a asistencia a clase é obrigatoria, cun mínimo dun 80% para poder superar a materia.
- 80% da cualificación final: Traballo de síntese sobre os distintos aspectos da IA en saúde vistos durante o curso (proporcionarase un esquema do mesmo no campus virtual). Nesta porcentaxe valorarase a memoria, a presentación, e a participación durante as clases.
- 20% da cualificación final: Proba final de reflexión sobre o aprendido na materia.
Utilízase para avaliar as competencias CG3 e CG4.
A nota final da materia calcularase coas ponderacións anteriores sempre que se alcance unha puntuación final de 5 puntos e unha cualificación mínima de cada parte (traballo, cualificación final) de 4 puntos. No caso de non alcanzarse os 5 puntos, a cualificación será o valor mínimo das 2 partes.
A entrega do traballo posterior ao 1 de novembro estará asociada á consideración de PRESENTADA/O na cualificación da materia, con independencia da asistencia ou non ao exame final.
RECUPERACIÓN (2ª oportunidade):
Poderá presentarse a este exame o estudantado que non supere algunha das partes obrigatorias na avaliación continua.
- Traballo (80% da nota final): Realización dun novo traballo indicado polo profesorado da materia.
- Proba final (20% da nota final): Exercicio de reflexión sobre a aprendizaxe obtida na materia no seu conxunto, con cuestións específicas de cada temática.
No caso de realización fraudulenta de exercicios ou probas, será de aplicación o recollido na Normativa de avaliación do rendemento académico dos estudantes e de revisión de cualificacións e sucesivas modificacións.
En aplicación da Normativa da ETSE sobre plaxio (aprobada pola Xunta da ETSE o 19/12/2019), a copia total ou parcial dalgún exercicio de prácticas ou teoría suporá o suspenso nas dúas oportunidades do curso, coa cualificación de 0,0 en ambos casos.
Esta materia ten 3 créditos ECTS, correspondendo unha carga de traballo total de 75 horas. Este tempo pode desagregarse nos seguintes apartados:
TRABALLO PRESENCIAL NA AULA:
*Clases maxistrais: 10 horas
*Sesións prácticas en grupos reducidos: 15 horas
*Titorización individual do estudantado: 1 hora
Total horas traballo presencial na aula: 26 horas
TRABALLO PERSOAL DO ESTUDANTADO:
* Estudo autónomo: 5 horas
* Escritura de exercicios, traballos, etc.: 30 horas
* Avaliación de traballos, proxectos, exames: 14 horas
Total horas traballo persoal: 49 horas
Ao estar situada ao final dos estudos, supóñense uns coñecementos xerais de todas as técnicas estudadas durante o desenvolvemento dos mesmos, as distintas técnicas da aprendizaxe automática, o desenvolvemento de proxectos integradores e proxectos empresariais, así como dos ámbitos da visión por computador e tecnoloxías da linguaxe.
Recoméndase o uso das horas de titorías para aclarar calquera dúbida que se poida presentar no desenvolvemento da materia.
Utilizarase o campus virtual da USC para toda a docencia, publicación de material, guións de prácticas e entrega de traballos.
O sistema operativo a utilizar nas prácticas é indiferente: Windows ou Linux.
A materia impartirase en castelán e galego.
Alberto Jose Bugarin Diz
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Teléfono
- 881816440
- Correo electrónico
- alberto.bugarin.diz [at] usc.es
- Categoría
- Profesor/a: Catedrático/a de Universidade
María José Carreira Nouche
Coordinador/a- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Teléfono
- 881816431
- Correo electrónico
- mariajose.carreira [at] usc.es
- Categoría
- Profesor/a: Catedrático/a de Universidade
Senén Barro Ameneiro
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Teléfono
- 881816469
- Correo electrónico
- senen.barro [at] usc.es
- Categoría
- Profesor/a: Catedrático/a de Universidade
Manuel Lama Penin
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Teléfono
- 881816427
- Correo electrónico
- manuel.lama [at] usc.es
- Categoría
- Profesor/a: Catedrático/a de Universidade
María Jesús Taboada Iglesias
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Teléfono
- 881813561
- Correo electrónico
- maria.taboada [at] usc.es
- Categoría
- Profesor/a: Catedrático/a de Universidade
David Chaves Fraga
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Teléfono
- 881815525
- Correo electrónico
- david.chaves [at] usc.es
- Categoría
- Profesor/a: Profesor Axudante Doutor LOU
Beatriz Blanco Besteiro
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Correo electrónico
- beatriz.blanco [at] usc.es
- Categoría
- Profesor/a: Axudante Doutor LOSU
Marcos Fernandez Pichel
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Correo electrónico
- marcosfernandez.pichel [at] usc.es
- Categoría
- Profesor/a: Axudante Doutor LOSU
Nicolas Vila Blanco
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Teléfono
- 881815509
- Correo electrónico
- nicolas.vila [at] usc.es
- Categoría
- Profesor/a: Profesor Axudante Doutor LOU
Marta Nuñez Garcia
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Correo electrónico
- martanunez.garcia [at] usc.es
- Categoría
- Investigador/a: Ramón y Cajal
Constanza De La O Andion Garcia
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Correo electrónico
- constanza.andion.garcia [at] usc.es
- Categoría
- Predoutoral Ministerio
| Mércores | |||
|---|---|---|---|
| 17:30-18:30 | Grupo /CLE_01 | Castelán, Galego | IA.01 |
| 18:30-20:00 | Grupo /CLIL_01 | Galego, Castelán | IA.01 |
| 21.05.2026 16:00-20:00 | Grupo /CLIL_01 | IA.01 |
| 21.05.2026 16:00-20:00 | Grupo /CLE_01 | IA.01 |
| 29.06.2026 16:00-20:30 | Grupo /CLIL_01 | IA.01 |
| 29.06.2026 16:00-20:30 | Grupo /CLE_01 | IA.01 |